储能控制策略（通用8篇）
储能控制策略 篇1
近年来,锂离子电池作为一种新型高能蓄电池,它具有单体电压水平高、比能量大、效率高、自放电率低、无记忆效应、对环境友好等特点。但是在光伏发电系统PV(Photovoltaic System)中由于功率受光照强度影响,会出现功率波动,使蓄电池频繁地充放电,如此会缩减蓄电池的使用寿命[1,2,3]。同时当电池充电电流过大时,蓄电池会发生极化现象,会使极板活性物质脱落,还会使温升和出气加重,导致容量损失或失效。同样,大电流放电会使蓄电池极板弯曲变形,不能对负荷变化作出快速响应,因此需要与超级电容器相配合[4]。超级电容器具有功率密度大、充放电速度快、使用寿命长等优点与蓄电池形成优势互补,满足负荷瞬时变化的需求,同时减少蓄电池充放电次数,延长蓄电池寿命[5,6]。基于以上分析可知,蓄电池与超级电容器可以有效地应对负荷突变,并充分发挥蓄电池和超级电容的优势,提高用电效率和光伏发电系统的稳定性。
参考文献[7]采用超级电容器作为微电网的储能单元,建立了互补PWM控制的小信号等效模型,应用双闭环控制和功率前馈环节实现了直流母线电压的稳定。但是单一的储能单元往往不能很好地兼顾微电网对于能量和功率的要求。参考文献[8]提出一种电压下垂法的控制策略自动调节蓄电池和超级电容出力,维持直流母线电压在额定值附近小范围波动,有效地减小了蓄电池充放电次数,延长其使用寿命。
本文通过Matlab软件的Simulink平台搭建了完整的独立光伏发电系统以及混合储能系统,在负荷突变时通过对不同频率的功率进行滤波分频把高频功率分给超级电容器,把低频功率分给锂离子电池,从而减少负荷突变带来功率波动给系统稳定性带来的影响,维持直流母线的电压稳定,实现对直流负载的可靠供电。
1 混合储能系统结构的介绍
1.1 系统结构
独立光伏发电系统如图1所示,光伏阵列的输出由光照强度和温度共同决定。考虑到光照的间歇性和波动性,采用最大功率点跟踪MPPT(Maxmuim Power Point Track)的方法,使光伏阵列始终能够输出最大的功率以满足负荷需求,提高系统转化率。
光伏阵列通过一个Boost升压电路向负荷供电,同时在直流母线上分别通过DC/DC双向变流器连接锂离子储能电池和超级电容器。蓄电池通过双向变流器将光伏阵列发出的过剩功率吸收储存,并在光伏阵列输出功率不能满足负荷要求时进行放电补偿负荷需求。这样会使蓄电池经常处于充放电循环或小电流充放电状态中,加快了老化进程,缩短了循环使用寿命。而超级电容器则通过双向变流器提供剩余负载电流和保持直流母线电压稳定防止母线电压功率波动。这样就充分发挥了超级电容的优势,补偿系统功率不足,减少了负荷突变和光照温度变化对系统造成的冲击,从而减少了蓄电池充放电的次数,延长了蓄电池的使用寿命[9]。
1.2 Buck-Boost电路的数学模型
将蓄电池和超级电容都等效为理想电容及一个等效串联内阻的简化模型,储能元件连接双向DC/DC变换器电路图如图2所示,C是储能元件等效电容,r是其串联内阻,U2是储能元件的端电压,也就是变换器低压端电压,电感L、开关管S1、开关管S2以及输出侧滤波电容C1构成双向半桥变换器,RL为等效负载,U1为输出电压,实际上U1即是直流母线电压[10]。
当变换器运行于Boost单端稳压模式时,设d为S1的开关函数,可以得到其小信号模型为:
当变换器运行于Buck模式时,设d'为S2的开关函数,可以得到其小信号模型为:
2 混合储能装置的功率分配以及充放电控制分析
2.1 混合储能装置的功率分配
由锂离子电池和超级电容器组成的混合储能装置通过一阶巴特沃兹低通滤波环节[11]将功率分频,将低频功率分配给锂离子电池,剩余的高频功率分配给超级电容器,从而对系统中不同频段的功率波动进行补偿抑制,以达到抑制功率波动的效果,其功率平滑优化框图如图3所示。
在该系统中,光伏发电系统按照MPPT运行输出功率,负荷所需剩余功率将由混合储能系统提供,混合储能系统又根据功率频率的不同分给锂离子电池和超级电容器,以使功率得到优化平滑控制,抑制功率波动给直流母线端带来的冲击。功率函数关系如下式所示:
其中Pload为负荷所需功率总和,Ppv为光伏发电系统输出功率,Psto为储能系统功率总和,Pbat为锂离子电池输出功率,Puc为超级电容器输出功率,1/(τs+1)为一阶巴特沃兹低通滤波环节,s为微分算子,τ为时间常数。
2.2 混合储能装置的充放电控制
混合储能装置合理的充放电控制是实现功率平滑输出、维持直流母线电压稳定的重要条件。
为了防止充电过程中储能装置出现电压过充的现象,对储能装置充电采用恒压限流的控制,其控制框图如图4所示。
为了防止蓄电池放电电流过大对蓄电池造成损坏,以及超级电容过大的放电电流对直流母线电压的稳定造成影响,所以对储能装置的放电控制采用恒流放电控制[12],其控制框图如图5所示。
3 算例仿真
本文采用的光伏电池开路电压为78 V,直流母线电压设为200 V,选用100 V、25 F的超级电容和额定电压为100 V、容量100 Ah的锂离子电池作为储能装置,系统中设置的三个直流负载为10、20、40Ω,根据上述控制策略,对负荷突变的情况进行仿真。
当t=0时,负荷1即20Ω电阻投入运行,直流母线电压稳定在200 V。
当t=0.3 s时,负荷2即40Ω电阻投入运行,负载加重,在负载投入瞬间,负荷突变引入的高频功率会对蓄电池产生冲击,也会给直流母线电压稳定性产生影响,蓄电池由于其放电速度限制导致其不能迅速对负荷变化作出反应,这时,超级电容器的快速放电的优势能够抑制功率波动带来的影响,直流母线几乎没有波动。
当t=1 s时,负荷3即10Ω电阻投入运行,负载继续加重,这时直流母线电压有明显波动,直流母线电压下降至190 V,但波动不超过±7%UN即14 V,系统仍可正常运行。
t=2 s时,负荷1退出运行,直流母线电压提高至210 V,这时,负荷减轻,超级电容器吸收高频功率,蓄电池继续按照给定低频功率放电,不过输出功率减小。
t=3 s仿真结束。仿真结果如图6所示。
由仿真结果可以看出,在负荷突变时,超级电容器有效地吸收和释放功率,以便抑制负荷波动,平滑蓄电池侧的功率波动,从图6 b)中可明显看出蓄电池的功率曲线比总功率曲线在负荷变化时的功率变化斜率要小;从图6 c)中可以看出在负荷突变时,由混合储能装置及时充放电控制,使直流母线电压波动范围一致保持在190~205 V左右,保证了直流母线电压的稳定性和负荷的正常运行;从图6 d)、e)、f)、g)可以看出蓄电池在负荷变化时,根据之前功率分配来的低频功率放电,放电电流平稳不会对蓄电池的寿命造成影响,且能保证负荷的正常运行,而超级电容器则会发挥其功率密度大的优势,在负荷突变时瞬时放电,来抑制高频功率给负荷稳定运行和直流母线电压带来的冲击。
为进行对比,突出混合储能装置功率优化分配的有效性和实用性,以下将对不含有超级电容器的储能装置进行相同条件下的仿真对比,仿真结果如图7所示。
对比图6 c)与图7可以看出,在单独蓄电池储能时,不能对负荷突变作出及时的响应导致直流母线电压跌落明显,在1 s时已跌破±7%UN的范围,会给负荷的正常运行带来影响,并且电压跌落也使得直流母线电压不能跌出正常运行范围,需要通过切除部分非重要直流负荷来缓解直流母线电压跌落的状况。
4 结语
本文针对蓄电池储能装置能量密度大、功率密度小以及超级电容器功率密度大、能量密度小的特点,在独立光伏发电系统内运用混合储能装置,集二者优势于一体,通过对功率分频即通过一阶巴特沃兹低通滤波环节将低频功率分配给蓄电池,然后将剩余的高频功率分配给超级电容,实现超级电容器和锂离子电池的功率输出的优化分配。在Matlab的Simulink平台上搭建含有混合储能系统的独立光伏发电系统模型,验证了此功率优化分配的有效性,抑制了功率波动,维持了直流母线电压稳定,提高了系统的稳定性,实现对直流负载的可靠供电。
参考文献
[1]唐西胜,齐智平.应用于微电网的储能及其控制技术[J].太阳能学报,2012,33(3):517-524.
[2]李建林,李蓓,惠东.智能电网中的风光储关键技术[M].北京:机械工业出版社,2013:93-96.
[3]CHEN H,WEI B,MA D.Energy Storage and Management System with Carbon Nanotube Supercapacitor and Multidirectional Power Delivery Capability for Autonomous Wireless Sensor Nodes[J].IEEE Transactions on Power Electronics,2010,25(12):2897-2909.
[4]CORSON D.High power battery systems for hybrid vehicles[J].Journal of Power Sources,2002,105(2):110-113.
[5]张国驹,唐西胜,周龙.基于互补PWM控制的Buck/Boost双向变换器在超级电容器储能中的应用[J].中国电机工程学报,2011,31(6):15-21.
[6]LIU X,WANG P.Control of Hybrid Battery/UltraCapacitor Energy Storage for Stand-Alone Photovoltaic System[C]//IEEE Energy Conversion Congress&Exposition,2010:336-341.
[7]GLAVIN M E,HURLEY W G.Ultracapacitor/battery hybrid for solar energy storage[C]//International Universities Power Engineering Conference,2007.
[8]文波,秦文萍,韩肖清,等.基于电压下垂法的直流微电网混合储能系统控制策略[J].电网技术,2015,39(4):892-898.
[9]ZHOU H,BHATTACHARYA T,TRAN D.Composite Energy Storage System Involving Battery and Ultracapacitor with Dynamic Energy Management in Microgrid Applications[J].IEEE Transactions on Power Electronics,2011,26(3):923-930.
[10]张纯江,董杰,刘君,等.蓄电池与超级电容混合储能系统的控制策略[J].电工技术学报,2014,29(4):334-340.
[11]张野,郭力.基于平滑控制的混合储能系统能量管理方法[J].电力系统自动化,2012,36(16):36-41.
[12]刘志文,夏文波,刘明波.基于复合储能的微电网运行模式平滑切换控制[J].电网技术,2013,37(4):906-913.
储能控制策略 篇2
[关键词]分布式电源；储能装置；微电网控制技术
引言
微电网是一种由多种类分布式电源、负荷、储能、保护装置和控制检测装置所组成的系统，其运行方式非常灵活，能够支持孤岛模式、并网模式的运行，并且还能够通过静态开关在两种模式之间随意切换，能够给用户提供热和电。微电网具备经济、交互、灵活、独立的特点，是一种全新的供电方式。本文主要对含分布式电源和储能装置的微电网控制技术进行分析，帮助电网得到更好的发展。
1.微电网中的分布式电源
微电网当中的分布式电源主要为：光伏发电系统、风力发电系统、燃料电池发电系统、微型燃气轮机发电系统[1-2]。
光伏发电系统：这种系统主要是通过半导体界面的光生伏打效应将太阳能转换为电能，这类发电系统当中，光伏电池是光伏发电的关键部件；风力发电系统：风力发电是利用可再生能源的另一种发电形式。风力发电系统主要是由控制系统、调节系统、变流装置、发电机、传动系统和叶轮所组成，叶轮能够将空气的流动动能转换为机械动能，发电机主要是将电能通过变流装置转换为电网所需要的工频交流电，调节系统主要包括制动和保护系统、液压传动机构、变桨距系统和偏航系统；燃料电池發电系统：燃料电池是一种能够在常温下进行化学反应，将燃料化学能转换为直流电过程的装置，主要是将燃料持续不断的供给到阳极室，氧气则持续的供给给阴极室，经过电池表面的催化物作用发生电化学反应，电子通过外电路形成转移，进而形成工频所需要的电流；微型燃气轮机发电系统：微型燃气轮机是近几年才普及的小型热力发电机，其最大功率为300KW，主要是以柴油、汽油、天然气作为燃料，整个系统主要是由功率转换及控制、发电机、热交换器、回热器、燃烧室、空气压缩机和透平所组成。微型燃气轮机主要的发电形式是采用回热循环，利用透平排除气通向回热器中用来预热高压空气，预热后的空气在进入到燃烧室和燃料共同进行燃烧，最终将燃烧的热点转换为电能。
2.微电网的控制
2.1微电网能源的控制
传统的电网当中，电源通过其他旋转设备或同步电机与大电网直接相连，电机需要调节和控制频率控制和电网电压[3]。但是在微电网当中，因为分布式电源的形式和传统的电网不同，微电网电源需要通过AC/DC/AC或DC/AC的电力电子借口与电网相连。无论是任务形式产生直流电的微电网电源，都是通过将电网和变流器相连接。
当前主要的控制器可以分为以下几种：1、PQ控制：这类控制器主要是保障微电网电源稳定按照参考指令值输出无功和有功，进而有效的控制电流的电压源逆变器；2、V/F控制：这类控制器的主要用于孤岛模式或独立运行的频率和电压的调节中。在大电网出现故障或维修的过程中，因为电网的频率很难保持稳定，微电网电源的控制信息将不能给予本地锁相环PLL采用到的频率和信号进行控制，而是通过一个虚拟锁相环和预先设置的电压参考值进行调节和控制；3、下垂控制：下垂控制主要用于非间歇性微源，在微电网在孤岛运行的过程中常常充当电压源的角色。和V/F的控制方式较为相似，下垂控制也能够稳定微电网的电压频率。
2.2微电网能源的控制方法
微电网的运行模式无论是孤岛模式还是并网模式，都需要对其中每一个分布式电源进行必要的控制，以此来使频率和电压控制在一定的范围之内。特别是孤岛运行，分布式电源不能从电网当中获取频率和电压值作为参考，其控制难度更高。当前的微电网控制主要分为两种。对等控制和主从控制。
对等控制主要是针对即插即用形式的微电网的控制方式。这种控制方式，能够使微电网的电源都能够进行有效的下垂控制，保证电压和频率的稳定，并且再接入一个或去掉一个微电网电源都不会对其他电源或微电网造成影响。对等控制是微电网电源当中能够自动调节性的控制过程；主从控制的控制会针对每个微电网电源的特点采用不同的控制方式，并使其具备特殊的功能。该种控制方式会选取几个或一个电源作为主电源，用来检查电网当中的各种电气量，然后根据电网的实际状况使用针对性的调节方式，通过通信电路来控制其他“从”电源，使微电网的电压和频率稳定在额定值范围之内。
3.总结
近年来，我国也加大了对智能电网的重视，并大力推进微电网技术和分布式发电技术，给用户带来巨大的环境效益和经济利益。但是随着分布式发电穿透功率逐渐提升，对其他电网的影响也越加明显，大量的分布式发电技术接入到电网当中，对电网的维护和调节工作也带来巨大的挑战。对此，就需要相关研究人员或部门加大对微电网的研究，提高微电网的稳定性。
参考文献
[1]欧阳永忠.基于EMTDC的超级电容器建模研究[J].湖北工业大学学报，2014，18（4）：9-11.
[2]兰明乾.微网中的多元复合储能技术[J].电力系统自动化，2013，35（4）：190-192.
[3]朱爱英，田越.用于风电场功率控制的飞轮储能系统仿真研究[J].电网与清洁能源，2013，11（4）：11_13.
作者简介
储能控制策略 篇3
随着资源紧缺和环境污染的不断加剧,智能电网技术得到了各国电力行业的广泛关注。与此同时,电动汽车由于其节能环保的特点已成为汽车工业发展的必然趋势。大规模电动汽车接入电网,一方面从负荷增长、系统稳定性等角度给电力系统带来了挑战;另一方面,从电能消费占终端能源消费比重、提高电网设备利用率等角度给电力系统带来了新的机遇[1]。此外,1997年,Willett Kempton提出了V2G(vehicle-to-grid)的概念。统计表明,私人汽车平均每天仅行驶1h,96%的时间处于停驶状态[2]。电动汽车不仅是电力系统的负荷,还可以作为分布式储能装置为电力系统提供服务,从而提高发电效率,提高电力传输的可靠性,提高可再生能源发电接入能力。类似地,在V2G的基础上又产生了V2B(vehicle-to-building)和V2H(vehicle-to-home)的概念。由于V2G,V2B,V2H均利用车载动力电池作为分布式储能单元,这里将其统称为电动汽车移动储能。
近几年,国内外学者基于智能电网框架,针对电动汽车移动储能技术开展了广泛研究。国外方面:文献[3]通过计算各国的V2G出力能力,指出电动汽车作为储能设备的巨大潜力;文献[4-7]从经济角度对电动汽车移动储能进行了研究,分析了移动储能可以参与的电力市场及收益,指出了该移动储能系统实施的具体步骤;文献[8]基于电价信号,采用二进制离散粒子群优化(PSO)算法得到了最大化车主利益的充放电控制策略;文献[9-10]研究了考虑放电情况下,含有电动汽车移动储能单元的智能机组组合优化方法,平衡系统运行成本与碳排放;文献[11]提出了一种基于动态规划方法的电动汽车移动储能参与频率调整的控制策略;文献[12-13]对移动储能电池寿命进行了研究。国内方面:文献[14]建立了包含风/光/储和电动汽车的微电网经济调度模型;文献[15]建立了考虑电动汽车出力不确定性的电力系统随机经济调度模型;文献[16]和文献[17]分别对可充放电电动汽车广泛接入电力系统后的机组最优组合问题和分布式电源选址定容问题进行了研究;文献[18]采用蒙特卡洛仿真方法研究了电动汽车充放电特性及其对配电系统的影响,指出了进行合理充放电管理的必要性。
同普通蓄电池储能电站[19]一样,电动汽车移动储能可以减少传统机组的损耗,降低电力部门基础投资。合理有效的控制策略是移动储能技术的核心和实际应用的关键。本文针对电动汽车移动储能的特点及其应用于配电系统的实际情况,综合考虑电网、电池和车主使用需求,建立了电动汽车移动储能系统模型。针对标准粒子群优化(SPSO)算法处理高维问题时易出现早熟收敛的缺点,借鉴仿生思想提出防碰撞粒子群优化(CAPSO)算法及基于该算法的电动汽车移动储能控制策略。最后,通过平抑负荷、平抑可再生能源发电功率波动、平抑计及可再生能源出力的负荷3个算例对实际系统进行定量模拟,并对结果进行分析。
1 移动储能系统模型
电动汽车移动储能的本质就是电动汽车在停驶时作为储能单元在受控状态下实现与电网能量和信息的双向交换。与普通蓄电池储能电站相比,除功能相似外,移动储能还具有单个储能单元容量小、空间分散、约束条件多的特点。针对这一特点,电动汽车移动储能系统采用集散式控制方式,控制拓扑如图1所示。
系统将某一电网区域内的可用车辆信息收集到移动储能控制中心,控制中心制定控制策略下发至各个车辆,控制区域内车辆充放电以实现该区域范围的控制目标。此控制方式将容量小而分散的移动储能单元转化为控制区域内较大容量的储能系统,实际控制策略只需考虑移动储能多约束条件这一特点。
经济性和稳定性是电力系统运行的2个重要因素。在经济性方面,电网负荷峰谷差日趋增大,调峰能力和调峰需求之间的矛盾日益尖锐,负荷高峰时需要足够容量的调峰机组,低谷时会造成机组闲置,经济性欠佳。移动储能不仅能减少电网在备用容量上的投资,降低区域电网峰谷差,而且比抽水蓄能等方式效率更高。在稳定性方面,光伏发电、风电均具有较大的波动性,高渗透率情况下会严重影响电网的稳定性和电能质量。对于大量的分布式电源并网,移动储能可以发挥其快速、高效、分布广的特点,有效地就地平抑可再生能源发电波动,实现与规模化储能电站一样的功能[19]。
据此,本文分别建立了对应这2种功能的电动汽车移动储能控制系统模型,以及考虑可再生能源出力的移动储能平抑负荷模型。
1.1 模型目标函数
1)平抑负荷
移动储能参与平抑负荷的时间段为[t1,t2],时间间隔为1h。如参与时间为1d,对应时段为[1,24]。以调节后各时刻负荷与调节后负荷均值偏差的平方和最小为目标,建立移动储能系统模型的目标函数如下:
式中:PLj为j时段原负荷功率;N为车辆数;Pij为第i辆车j时段的充/放电功率,正值表示放电,负值表示充电;Pavg为调节后负荷均值。
2)平抑可再生能源发电功率波动
移动储能参与平抑可再生能源发电功率波动的时间段为[t1,t2],时间间隔为Δt。如参与时间为1d,时间间隔为6min,对应时段为[1,240]。考虑不限制可再生能源发电功率输出但限制出力变化速度,以降低可再生能源出力变化率为目的,对于等时间间隔系统,采用调节后相邻时段可再生能源出力变化差值的平方和最小为目标,建立移动储能系统模型的目标函数如下:
式中:Pdyn,j和Pdyn,j-1分别为j时段和j-1时段投入移动储能后的总功率;PRGj为j时段可再生能源发电功率值。
3)平抑计及可再生能源出力的负荷
计及可再生能源出力情况下,移动储能参与平抑负荷的时间段为[t1,t2]。以调节后各时刻负荷与调节后负荷均值偏差的平方和最小为目标,建立移动储能系统模型的目标函数如下:
式中:PDGj为j时段可再生能源发电出力;珚P为计及可再生能源出力的系统调节后负荷均值。
1.2 模型约束条件
电动汽车移动储能控制策略需要综合考虑电网约束、电池约束、车主约束3个方面的限制,以确保在不影响三者需求的情况下移动储能系统能正常运行。
1.2.1 电网约束
电网约束主要包括线路最大容量约束、充/放电设备约束、母线电压幅值约束3个方面。
线路最大容量约束和充/放电设备约束为:
式中:Pg,max为单辆车连接线路最大允许功率;Pe,max为充/放电设备额定功率。
实际充/放电功率不能超出Pg,max和Pe,max限定的范围。如果每辆车连接的每个支路上承载的功率不超过该支路的最大允许容量,各车能量汇总后总线上承载的功率便不会超出该总线的最大允许容量。
母线电压幅值约束为:
式中:Vbus为母线电压幅值;Vmin为母线电压幅值下限;Vmax为母线电压幅值上限。
根据GB/T 12325—2008《电能质量供电电压偏差》规定,母线电压上、下限取标称电压的±7%,考虑一定的裕量,本文取为标称电压的±5%。
1.2.2 电池约束
电池约束包括最大充/放电电流倍率约束和最大可用容量约束2个方面。
根据汽车行业中的电动汽车锂离子蓄电池标准,考虑电池寿命,对于能量型电池,最大持续充电电流限制为C/3(C为电池1h率容量),最大持续放电电流限制为C/2。
最大充/放电电流倍率约束为:
式中:Iij为第i辆车在j时段的充/放电电流,正值表示放电,负值表示充电;Qi为第i辆车的电池组额定容量。
电动汽车车载动力电池的总容量是一定的,任何一个工作时段,电池都对应一个最大充电可用容量和一个最大放电可用容量。考虑电池寿命和使用需求,一般将最大充电截止容量设为100%,最大放电截止容量设为20%[20]。
最大可用容量约束为:
式中:ΔQij为第i辆车j时段的电池容量变化;ΔQCHij为第i辆车j时段的最大充电可用容量;ΔQDISij为第i辆车j时段的最大放电可用容量;Sij为第i辆车j时段的荷电状态(SOC)值;Smin为SOC最小值;Smax为SOC最大值。
1.2.3 车主约束
电动汽车移动储能系统中储能单元的车辆属性要求其必须首先满足车主使用需求,通过用户预先设定可用时间和终止SOC来实现。车主约束为:
式中:ti为第i辆车的可用时间;ti_begin为第i辆车的可用起始时间;ti_end为第i辆车的可用终止时间;Si_end为第i辆车可用终止时刻的SOC值;SSETi为第i辆车设置终止的SOC值。
1.3 电池系统模型
锂离子电池基本电路模型如图2所示[21]。
根据图2模型,忽略毫伏级的极化电压VP的影响,电池端电压UO满足:
式中:UOCV为开路电压;I为电池电流,正值表示放电,负值表示充电;RΩ为电池欧姆内阻。
为了不失一般性,本文以锰酸锂电池为例进行研究。根据实验数据,采用最小二乘法进行曲线拟合,得到UOCV与荷电状态S的关系模型为:
在电池组经电池管理系统自动均衡,一致性很好的情况下,由式(14)和式(15)可得:
式中:UO_ev为电池组端电压;Sb为电池串联数;fOCV为开路电压函数。
通过电池系统模型,可以确定某充/放电策略下各时刻点的SOC值,用于最大可用容量约束的判断和修正;得到的终止时刻SOC值用于计算目标函数的适应值,从而满足车主设置要求。
2 基于改进PSO算法的移动储能优化控制策略
由前文所述可知,电动汽车移动储能控制策略涉及多限制条件下多车辆多时段的充/放电优化,是复杂的高维多约束条件非线性优化问题。
2.1 改进的PSO算法
相对于基于梯度的优化算法、蚁群算法等其他算法,SPSO算法[22,23]处理高维问题具有一定的优越性[24],但其性能同样随维数增加而变差,容易出现早熟收敛,陷入局部最优解。
作为一种仿生算法,PSO算法早熟收敛就是鸟群在觅食途中,发现少量食物便过早聚集并停滞,在飞行途中聚集会导致鸟之间“碰撞”的发生,也就是早熟收敛。文献[25]指出的鸟群运动3项规则之一就是飞行过程中防止碰撞到其他同伴。据此,本文对SPSO算法进行改进,提出了CAPSO算法。CAPSO算法与SPSO算法的基准测试函数[24]的比较测试结果见附录A表A1。CAPSO算法的具体步骤如下。
步骤1:初始化。确定基本参数值,随机产生所有粒子的位置和速度。
步骤2:计算粒子的适应值,确定粒子i′的个体最优解pi′d和当前迭代时刻的群体最优解pgd。其中:i′=1,2,…,s,s为群体规模;d=1,2,…,D,D为解空间的维数。
步骤3:“碰撞”检测。迭代次数完成1/4后,每迭代m次,就根据式(17)和式(18)检测一次“碰撞”的可能性。
式中:e为进化因子,对于最小化问题,e<1说明进化仍在进行,e=1表示鸟群多次迭代后仍未找到好的食物,说明进化停滞;ffit(pgd(k))为第k次迭代时pgd对应的适应值。
如果e=1,则
式中:a为聚集因子,对于最小化问题,a<1说明粒子未发生聚集,a=1表示鸟群聚集,说明粒子聚集,出现早熟收敛;珚ffit(zi′d(k))为第k次迭代所有粒子适应值的平均值。
如果a=1,那么认为粒子间发生了“碰撞”,继续执行步骤4;否则执行步骤5。
步骤4:防“碰撞”。记录当前pgd及其适应值。按照式(19)修改惯性权重w,粒子速度重新初始化,粒子位置按式(20)进行调整。
式中:wmax和wmin分别为惯性权重的最大、最小值;ka=1为出现“碰撞”的迭代次数;Mgen为总的迭代次数;zi′d(k)为第k次迭代粒子i′在d维空间的位置;r为[0,1]间的随机数;b为位置偏置系数;u为寻优空间上边界;l为寻优空间下边界。
步骤5:根据SPSO算法中的相应公式[24]更新粒子速度和位置。
步骤6:计算各粒子的适应值,更新各粒子最优位置和群体最优位置。
步骤7:判断是否达到最大迭代次数,达到则停止运算,输出群体最优位置,否则继续执行迭代。
2.2 模型的解法策略
N辆电动汽车,T个调节时段的移动储能控制策略是一个N×T维的高维多约束优化问题。约束条件中,式(13)可视为系统的另一控制目标。针对此约束条件,本文采用惩罚函数法对式(1)、式(3)和式(5)进行处理,转化后的目标函数为:
式中:F为转化后的目标函数;f为式(1)、式(3)、式(5)对应的目标函数;p为惩罚因子,p≥1;gi为第i辆车终止时刻SOC与设定SOC之差。
对于其他限制条件,分别在CAPSO算法的步骤1和步骤5后依据限制条件及式(16)对粒子位置直接进行修改。
3 算例分析
电动汽车移动储能V2G,V2B,V2H这3种应用模式在控制策略上基本一致,只是在系统容量上有所区别。本文采用某办公楼实际数据进行定量模拟,楼宇负荷数据见附录A表A2,该办公楼楼顶配有10kW光伏并网发电系统,地面配有电动汽车停车场及充电设施。楼宇负荷、光伏电源及停车场充/放电总线通过同一线路接入配电变压器。假设变压器出线电压恒定,由于传输距离短,负荷功率小,线路电阻相对较大,电抗作用相对较小;同时,充/放电设备功率因数大于0.98,少量无功负荷就地补偿,本文忽略线路感抗,线路电阻为0.063Ω。
单位时间为6min时,据统计,该楼工作人员上班到达时间在08:30左右,服从N(86,1.69)的正态分布;下班离开时间在17:30左右,服从N(176,2.25)的正态分布。为了不失一般性,假设各车到达时刻SOC服从N(0.4,0.006 4)的正态分布;设置终止时刻SOC服从N(0.6,0.002 5)的正态分布。车辆类型为纯电动汽车,动力电池为80节串联锰酸锂电池,容量80Ah,单体内阻0.8mΩ。单台充/放电设备连接线路最大允许功率为5kW,充/放电设备额定功率为3 kW,变流器充/放电效率均取87%,SOC最大、最小值分别为100%和20%。
3.1 平抑负荷算例分析
移动储能参与平抑楼宇日负荷的时间为[09:00,18:00],时间间隔为1h,对应时段为[10,18]。针对式(1)、式(2)和式(21)构成的目标函数,以4辆车(参数见附录A表A3)参与调节为例,分别采用SPSO算法和CAPSO算法进行优化计算(算法参数见附录A表A4),得到的各车各时段的充/放电功率见附录A表A3,移动储能平抑负荷算例结果见图3。
图3(a)和(b)分别为采用SPSO算法和CAPSO算法的4辆车参与平抑负荷的效果图。仅考虑参与调节的9h,调节前负荷率为0.852,采用SPSO和CAPSO这2种算法得到的负荷率分别为0.877和0.934。调节前日负荷率为0.585,采用SPSO和CAPSO这2种算法得到的日负荷率分别为0.597和0.634。调节后负荷峰谷差减小,负荷曲线更加平滑。由于4辆车均设置为第18时段离开,这一时段虽在调节时间范围内,但考虑车主需求,各车调节功率都为0。图3(c)为采用CAPSO算法的4辆车的SOC变化曲线,各车离开时SOC均满足车主预先设定要求。图3(d)中2种算法优化计算时的适应值进化曲线表明CAPSO算法较SPSO算法寻优性能更好。
以10辆车、100辆车参与调节为例,移动储能平抑负荷算例结果见图4。
图4(a)和(b)分别为采用SPSO算法和CAPSO算法的10辆车(参数见附录A表A5)参与平抑负荷的效果图。仅考虑参与调节的9h,调节前负荷率为0.852,采用SPSO和CAPSO这2种算法得到的负荷率分别为0.883和0.969。调节前日负荷率为0.585,采用SPSO和CAPSO这2种算法得到日负荷率分别为0.586和0.642。图4(c)为采用CAPSO算法的100辆车参与平抑负荷的效果图(虚线所示为理想情况下车辆充满至车主需求时的负荷情况)。由图4(c)可以看出,当车辆数大幅增加时,调节时段负荷明显增加,很可能出现母线电压超限的情况,但通过本文的控制策略,限制了母线电压的变化范围,有效避免了该事故的发生。然而这样同样导致无法满足所有车辆的充电需求(本算例中所有车辆只能达到设定SOC的80%左右),因此需要合理安排充电车辆或对配电设施进行改进。
3.2 平抑可再生能源发电功率波动算例分析
平抑可再生能源发电功率波动模型旨在实现移动储能对新能源并网发电的波动平抑,实现类似于蓄电池储能电站的功能,此处以10kW光伏并网发电小型系统为例进行研究和验证。移动储能参与平抑光伏发电功率波动的时间为[08:30,18:30],时间间隔为6min,对应时段为[86,185]。光伏发电系统输出功率数据由马尔可夫链法模拟生成。针对式(3)、式(4)和式(21)构成的目标函数,以2辆车(参数见附录A表A6)参与调节为例,分别采用SPSO算法和CAPSO算法进行优化计算(算法参数中迭代次数为2 000,其余同附录A表A4),得到的结果如图5所示。
图5(a)和(b)分别为采用SPSO算法和CAPSO算法的2辆车参与平抑光伏发电功率波动的效果图。可以看出,采用CAPSO算法的功率输出曲线更加平滑,调节效果明显优于SPSO算法。调节前最大功率变化率[26]为246.7 W/min,采用SPSO算法调节后最大功率变化率为204.9 W/min,采用CAPSO算法调节后最大功率变化率为94.3 W/min。图5(c)为图5(b)参与调节时段的放大图,从中可以清楚地看到第175时段由于2辆车均已离开,调节输出功率为0,控制策略满足了车主离开时间的需求。图5(d)为采用CAPSO算法的2辆车的SOC变化曲线,离开时SOC均满足车主预先设定要求。此外,从SOC变化趋势来看电池不会出现多次循环,由于平抑新能源发电功率波动的需要,电池会出现小倍率的短时充/放电,但其相对于长时间的持续充/放电,电池极化程度较浅,更有利于延长电池寿命。图5(e)中2种算法的适应值进化曲线表明CAPSO算法较SPSO算法寻优性能更好。
3.3 平抑计及可再生能源出力的负荷
计及可再生能源出力情况下,移动储能参与平抑负荷的时间段为[09:00,18:00],10kW光伏发电系统与市电系统一起为楼宇供电。以10辆车(参数见附录A表A7)参与调节为例,通过CAPSO算法进行优化计算得到的计及可再生能源出力情况下的移动储能参与负荷平抑的效果如图6所示。
图6中,仅考虑移动储能可参与调节的9h,楼宇负荷率为0.852,接入光伏电源后的楼宇负荷率为0.823,采用CAPSO算法得到的移动储能调节后负荷率为0.944。楼宇日负荷率为0.585,接入光伏电源后的楼宇日负荷率为0.578,采用CAPSO算法得到的移动储能调节后日负荷率为0.635。此外,由图6可以看出,移动储能系统从09:00开始调节,直至17:30结束,满足了车主设置的可用时间需求。同样的,控制策略也满足了终止SOC设置需求,由于篇幅所限本文未给出10辆车的SOC变化曲线。
4 结语
本文提出的基于改进PSO算法的电动汽车移动储能控制策略满足了电网、电池、车主三者的需求,算例结果表明该控制策略能较好地实现移动储能平抑负荷和平抑新能源发电功率波动的功能。特别是对于平抑负荷功能而言,如考虑电动汽车全天参与移动储能,夜间负荷低谷时充电,白天负荷高峰时放电,可以进一步提高控制区域的日负荷率。此外,电动汽车移动储能不可避免地会对电池寿命造成一定的影响,本文旨在从技术的角度对移动储能的控制策略进行研究,为工程应用提供理论支撑,并未考虑对此的补偿。合理的市场机制是电动汽车移动储能的关键问题,也是今后研究值得关注的重要内容。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
储能控制策略 篇4
在能源危机的日趋紧张、低碳能源的发展需求、传统的集中式发电远距离传输带来的供电可靠性隐患等背景下,分布式可再生能源得到了极大的重视和发展,尤其是风能和太阳能。但理论和实践证明,这些分布式能源具有一些固有的问题,如其间歇性对大电网的安全稳定、可靠性以及电能质量造成了影响。微电网又分为交流微电网和直流微电网,和交流微电网相比,直流微电网不需要对电压的相位和频率进行跟踪,有更强的可控性和可靠性,加上直流性质的微源如光伏、燃料电池、超级电容,以及直流负荷如电动汽车、LED、电子负荷等的增加,为直流微电网提供了发展机遇,目前对于直流微电网已有较多研究。
1系统结构
含混合储能的直流微电网的结构:光伏阵列通过带有MPPT功能的直流/直流(direct current/direct current,DC/DC)变换器、蓄电池与超级电容器通过各自的双向DC/DC变换器接入直流母线,交流市电通过双向交流/直流(alternating current/direct current,AC/DC)变换器接入直流母线,直流母线上同时带有直流负荷。光伏电池通过串联形成一个模块,以提供一个标准的直流电压,模块又被连接成列,以产生足够的电流和电压,来满足电网连接的应用需求。光伏阵列产生的功率取决于辐射和温度,在对应辐照度和稳定的条件下,光伏阵列的功率—电压曲线有一个最大功率点(MPP),工作时,光伏阵列需要工作在最大功率点,光伏阵列通过直流/直流变换器连接到直流母线。然而,传统的MPPT算法具有不稳定、对外界环境的适应性差等缺点,当天气变化较快时,它们可能无法跟踪最大功率点。
为解决动态和稳态精度的问题,本文采用一种新的变步长电导增量法以实现光伏阵列的最大功率跟踪。这种方法根据光伏阵列的固有特性自动调整步长大小,如果工作点远离最大功率点,它就会增加步长以快速跟踪;如果工作点靠近最大功率点,步长就会变得很小,此时震荡会降低而效率会提高。
蓄电池具有较高的能量密度,但其充放电速度相对较慢,而超级电容器具有高功率密度和快速响应能力。超级电容器作为一个短期的能量存储装置,用于补偿输出功率的快速变化,其模型是一个电容器串联一个恒定的电阻。而蓄电池则作为一个长期的能量储存装置被应用于满足能量的需求,其模型是一个受控电压源串联一个恒定的电阻。蓄电池/超级电容器的双向DC/DC变换器是用来连接蓄电池/超级电容器与直流母线的,这两个变换器并联连接。此变换器在储能单元放电模式下作为升压转换器,在充电模式下作为降压转换器。控制方法是传统的电压、电流双闭环,包括电流内环和电压外环。
大电网通过三相双向全桥交流/直流变换器连接到直流母线上,当大电网正常工作时,通过双向转换器将直流母线连接到交流市电,大电网与微电网的功率就可以相互传送,否则将与大电网断开,以避免发生故障。
2控制策略
直流微电网中的能量管理策略最主要的目标是在光伏组件、储能系统、交流电网和负载之间保持功率平衡,而在直流微电网中功率的波动首先体现在母线电压不稳定上,光伏发电的随机性、负荷的变化、交流市电的波动等情况都会影响到系统功率平衡以及电压的稳定。
本文提出了一种新型的直流微电网能量管理策略,该策略能减少蓄电池的充放电次数以延长其寿命,并提高直流微电网的长期经济性,利用超级电容器快速响应以弥补光伏和负荷之间的小范围功率失配,同时增强交流市电与直流微电网的功率交换。此处提出的直流微电网的运行包括4种主要模式,如图1所示,这4种模式每种都包含有主控制电源以及建立在7种参考电压(Uhigh3、Uhigh2、Uhigh1、Udcr、Ulow1、Ulow2、Ulow3)下的工作区间。电压临界参考值大小关系为:
在不同模式之间的切换和变换器控制方法的变化,可以通过总线电压的变化来实现,而不需要通信连接。系统的4种工作模式具体如下:
(1)模式Ⅰ:Ulow1<Udc<Uhigh1。在这种模式下,光伏DC/DC变换器工作在MPPT模式,光伏发出的功率Ppv与负载功率Pload达到平衡,随着环境的影响,光伏发出的功率在小范围内波动,母线电压Udc也会在允许的范围内波动。同时,系统中其他变换器处于待机状态。
(2)模式Ⅱ:Ulow2<Udc<Ulow1或Uhigh1<Udc<Uhigh2。当辐照度E和环境温度T的变化较大或负载波动较大时,所产生的光伏发电功率Ppv和负载功率Pload将不匹配。当这种情况发生时,超级电容器DC/DC变换器启动并保持直流母线电压稳定。当需求超过光伏组件发电时,直流母线电压Udc从其标准参考值380 V下降至377 V,超级电容器将放电提供功率的差额。同样,当系统负载功率Pload小于光伏发电功率Ppv时,直流母线电压Udc从其参考值380 V上升至383 V,超级电容器将充电以吸收系统中多余的电能直至饱和。
(3)模式Ⅲ:Ulow3<Udc<Ulow2或Uhigh2<Udc<Uhigh3。模式Ⅰ和模式Ⅱ在直流母线电压从Ulow2到Uhigh2之间的范围内工作。当电压达到Uhigh2,此时超级电容器处于饱和,光伏发出功率Ppv大于负荷需求Pload,将多余的电量通过双向AC/DC变换器逆变到大电网。当电压下降到Ulow2以下,意味着超级电容器放电达到极限,光伏发出功率小于负载功率,此时启动双向AC/DC变换器整流模式,以弥补系统功率的不足。
(4)模式Ⅳ:Udc<Ulow3或Uhigh3<Udc。当交流电网故障或网侧变换器故障时,直流微电网将转换到孤岛模式运行。后备电源蓄电池作为主要的电压源控制母线电压稳定,光伏工作在最大功率。
3实验结果
为了验证本文所提策略的可行性与有效性,采用Matlab/Simulink仿真软件进行仿真研究。根据7种操作模式,直流参考电压(Uhigh3、Uhigh2、Uhigh1、Udcr、Ulow1、Ulow2、Ulow3)被设置为395 V、390V、383 V、380 V、377 V、370 V、365 V。所用的光伏容量为2 k W,MPPT电压为180 V(温度25℃,辐照度1 k W/m2),交流市电额定值为110 V,网侧双向AC/DC变换器容量为3 k W。蓄电池的标称电压为90 V,额定容量为90 Ah;超级电容器的电容值是12.5 F,并联0.01Ω电阻。负载为可调负载,具体由不同场景设置,模拟的采样时间已设置为2e-6 s。由于篇幅所限,本文仅仅展示部分场景。
图2给出了系统在并网模式下,在模式Ⅰ和模式Ⅲ相互转换的实验图,这种情况发生在超级电容器变换器故障、超级电容器能量充满或不足的条件下。如图2所示,包括状态切换时并网变换器的电流波形图。仿真结果证明,这两种模式以及两种模式之间的转换是成功的。
图3给出了系统在孤岛模式下,在模式Ⅰ、模式Ⅱ和模式Ⅳ之间切换的实验图,发生在上级电网故障或网侧双向变换器故障的情况下。图3显示了系统在孤岛模式下的运行状态,结果显示了模式Ⅰ、模式Ⅱ与模式Ⅳ切换的可行性。
4结语
本文研究了一种基于混合储能的光伏直流微电网系统,提出了一种用于此直流微电网的能量管理策略。该策略采用母线电压作为参考量来代表不同的运行模式,微电网中的混合储能系统含有2个互补型储能元件———蓄电池和超级电容器,利用其各自的优势,可以减少蓄电池的充放电次数以延长其寿命,并提高直流微电网的长期经济性,利用超级电容器的快速响应特性,可以弥补光伏和负荷之间的小范围功率失配,同时增强交流市电与直流微电网的功率交换,具有较强的实用性。所提出的控制策略通过Matlab/Simulink仿真得到了验证。
摘要：针对直流微电网中新能源不稳定输出导致的微网功率不平衡和直流母线电压波动大等问题,研究了一种由光伏发电系统、混合储能系统和交流市电构成的直流微电网结构,提出了一种新型的直流微电网能量控制策略,根据母线电压值将系统分为4种工作模式、7个运行区间,系统的运行方式可以自动判断和自由切换。该微电网中的混合能源管理系统含有2个互补型储能元件——蓄电池和超级电容器,其以特殊的供应逻辑提高了系统的可靠性和灵活性。通过Matlab/Simulink仿真平台验证了这种策略的可行性。
关键词：直流微电网,光伏,储能,直流母线
参考文献
[1]Planas E,Andreu J,Gárate J I,et al.AC and DC technology in microgrids:A review[J].Renewable&Sustainable Energy Reviews,2015,43:726-749.
[2]张犁,孙凯,吴田进,等.基于光伏发电的直流微电网能量变换与管理[J].电工技术学报,2013,28(2):248-254.
[3]毕大强,赵润富,葛宝明,等.直流微电网能量控制策略的研究[J].电源学报,2014(1):1-7.
[4]刘家赢,韩肖清,王磊,等.直流微电网运行控制策略[J].电网技术,2014,38(9):2356-2362.
储能控制策略 篇5
随着能源危机和环境污染问题的日益突出, 风力发电得到了广泛的应用和研究。以自然风作为原动力的风力发电系统受气候与地理因素的影响, 导致其具很强的不可控性、间歇性和波动性, 因此风电场输出功率直接并入电网将对电力系统的稳定性、电网频率、电能质量、发电计划和调度等方面产生负面影响[1]。从电网运行的现状及大规模开发风电的长远利益考虑, 风力发电技术引入储能系统, 能有效地抑制风电输出功率波动, 平滑输出电压, 提高电能质量。风储联合是保证风力发电并网运行、促进风能利用的关键技术和主要发展方向[2]。储能技术按其具体方式可分为电化学储能 (铅酸蓄电池、锂离子电池、钠硫电池等) 、电磁储能 (超级电容器、超导电磁储能等) 和机械储能 (飞轮储能、抽水蓄能等) , 每种储能方式都存在其适用场景的局限性, 但也同时各自具有不同的优势。若采用不同类型的储能介质相互配合, 则可充分发挥其各自的优势, 实现优势互补, 可以提高储能系统的整体性能, 达到延长储能系统使用寿命的目的, 同时降低储能投资运行成本[3]。
2 风储联合运行系统结构
混合储能系统模型如图1所示[4]。
其中储能系统为超级电容器与电池组成的混和储能系统 (HESS) 。两种储能装置并联, 根据其不同的特性, 功率型储能装置超级电容器用于响应快变波动分量, 能量型储能装置电池系统用于响应慢变波动分量。混合储能系统的输出功率与风电输出功率之和为风储联合运行系统实际输出功率。
3 混合储能控制策略
3.1 混合储能系统总充放电功率的确定
其中 为平抑后的风电功率波动量, 由此可将风电功率波动限制在阈值内, 减少HESS的过度控制, 达到延长储能系统寿命的目的。
3.2 混合储能系统功率分配策略
本文采用了基于滑动平均原理的功率分配策略, 电池的充放电功率为滑动平均时间尺度内HESS总充放电功率的平均值, HESS总充放电功率与其之差即为超级电容器充放电功率。由此电池承担了HESS总充电功率中的慢变波动分量, 降低了其充放电次数, 而超级电容器承担了HESS总充放电功率中的快变波动分量, 其所需容量不至于过高, 符合其能量密度较低的特性。其中滑动平均时间常数的选择决定了两种储能介质充放电功率的波动特性, 进而影响对两种储能介质的功率和能量配置需求, 滑动平均时间尺度越大电池充放电功率变化越平缓, 反之, 越剧烈。
4 仿真验证
为验证控制策略的可行性和有效性, 基于Matlab软件进行仿真, 低通滤波截止频率为1/2700Hz, 滑动平均时间尺度为10min, 电池容量为5MW·h, 超级电容器容量为0.4MW·h, 根据某风电场的出力数据, 对风储联合运行系统进行仿真分析, 得到的风电功率波动平抑效果如图2所示。
结束语
本文设计了一种含阈值的低通滤波平抑控制策略, 避免储能系统对风电功率波动的过渡控制, 并提出基于滑动平均原理的功率分配策略, 分别利用超级电容器和电池补偿风电输出功率波动的快变波动分量和慢变波动分量。并对所提控制策略的有效性和可用性进行了仿真分析, 结果表明该控制策略能够有效地平抑风电功率波动, 减小储能系统不必要的动作次数, 延长了电池寿命。
摘要：风电场并网运行是风能大规模开发利用的有效方式。风能的随机性使风力发电的输出功率具有波动性和间歇性, 给电网稳定运行带来了一定影响, 电力储能装置的引入可有效提高风电并网性能。考虑在技术性能上超级电容器与电池具有很强的互补性, 本文设计了一种基于混合储能的含阈值的低通滤波平抑控制策略, 并提出基于滑动平均原理的功率分配策略, 分别利用超级电容器和电池补偿风电输出功率波动的快变波动分量和慢变波动分量, 以减小储能系统不必要的动作次数, 延长了电池寿命。
关键词：风力发电,混合储能,低通滤波,滑动平均原理
参考文献
[1]于.基于混合储能的风电场实时功率调控系统研究[D].大连:大连理工大学, 2011.
[2]M R I Sheikh, S M Muyeen, R Takahashi, et al.Smoothing control of wind generator output fluctuations by PWM voltage source converter and chopper controlled SMES[J].European Transactions on Electrical Power, 2011, 21 (1) :680-697.
[3]蒋平, 熊华川.混合储能系统平抑风力发电输出功率波动控制方法设计[J].电力系统自动化, 2012, 37 (1) :122-127.
储能控制策略 篇6
储能系统作为电力系统的重要环节在如今的电力系统中得到了广泛的应用, 在风电﹑光伏发电﹑微电网中都有很好的应用前景。对于配电网由于负荷增长而存在的容量不足问题, 使用传统的扩容方法在经济性和环保两方面都存在很大的不足。而储能系统对于解决这方面问题具有良好的效果, 其不仅可以在用电高峰期将储存的能量馈入电网, 还可以在用电低谷期吸收电网过剩的能量。常规的比例积分 (PI) 控制对于正弦参考电流很难实现无静差跟踪, 控制效果不理想。而比例谐振 (PR) 控制可以对交流量进行无静差跟踪, 更适合于电流内环控制。
由于储能系统一般为直流设备, 而电力系统是交流系统, 所以需要使用变流器实现储能系统的并网。这就要求逆变器具有较好的控制策略, 以减少并网后由于变流器非线性元件产生的谐波对于电网的污染[1]。
1 储能系统结构
储能系统是由蓄电池构成的电池阵列, 经过电压源型变流器接入电网, 其结构如图1所示。系统主要由储能蓄电池系统、并网变流器、并网滤波器等设备组成[2]。
储能蓄电池系统是由多个蓄电池子系统并联构成, 以满足系统容量的需求, 其中含有蓄电池的在线监测系统确保蓄电池工作在安全可靠的状态。蓄电池组通过并网逆变器与电网相连, 使用IGBT全控器件通过PWM控制实现电网与蓄电池之间能量的双向传递。采用VSC型逆变器可以很好地维持直流侧电压为恒定值。由于逆变器输出的电压和电流存在谐波, 所以使用LCL滤波器滤波后再接入电网。
2 储能系统工作原理
由于蓄电池存在充放电次数的限制, 不能无限制地进行充放电的操作, 所以需要选择合适的并网时机[3]。在用电高峰期, 配电网功率存在明显不足, 可在电压明显下降时将储能系统投入。在电网负荷增加时投入储能设备的电压波形如图2所示, 在0.02s时系统接入较大的负荷, 出现明显的电压跌落, 在0.04s时将储能设备接入系统, 电压恢复;在0.16s切除储能系统, 电压又出现跌落, 0.24s将负荷切除, 电压恢复到之前的状态。可见储能系统在配电网容量存在不足时可以很好地稳定电压, 并提供额外的功率输出。
在电网负减少时投入储能设备的电压波形如图3所示, 在0.02s时系统切除一部分负荷, 系统出现电压上升, 在0.04s投入储能设备吸收系统多余的功率使电压降低, 抑制了电压上升现象;在0.2s切除储能设备后, 电压又会升高。可见储能系统可以在负荷减少时吸收系统过剩的功率, 抑制电压上升, 减少电能的浪费。
由以上分析可知, 当配电网发出的能量多于负载所需要的能量时, 多余的能量经过变流器向储能设备充电;当能量不足时, 由储能系统向配电网提供额外的能量。作为AC/DC转换的变流器通过电压及电流互感器获得电网信息, 不仅可以将直流电压转换成幅值、频率以及相位符合并网要求的三相电压, 且可以为系统提供可控的双向功率变换, 使储能系统工作在不同的工作状态。
3 储能系统变流器控制策略
3.1 变流器的比例谐振控制
变流器是能量变换的核心, 使用正弦波脉冲宽度调制 (SPWM) 可以使变流器输出的PWM脉冲波基波分量接近于调制波, 只需要合适的调制波就可以在变流器交流侧得到相应的PWM波。在变流器PI控制系统中广泛地使用坐标变换技术, 将三相静止坐标系下的电流电压等正弦量转化为同步旋转坐标系下的直流量。这一方面简化了系统的模型, 实现了有功功率和无功功率的解耦;但另一方面, 因为PI控制器无法对正弦量实现无静差控制, 且抗干扰能力不强, 坐标变换虽简化了控制系统外环的设计, 却使电流分量互相耦合, 造成内环结构复杂, 设计困难。
而PR控制器可以实现对交流输入的无静差控制。将PR控制器用于网侧变换器的控制系统中, 可在两相静止坐标系下对电流进行调节[4]。其可以使控制过程中的坐标变换简化, 消除电流分量之间的耦合关系, 且可以减小电网电压对系统的扰动作用, 此外, 应用PR控制器易于实现低次谐波补偿。这些都有助于简化控制系统的结构。
PR控制的传递函数:
由传递函数可知, 当ω为电网频率时, 控制器存在一个给定信号的极点, 这时该频率的增益为无穷大, 从而实现对电流误差量进行无静差跟踪。电流环的PR控制如图4所示, 其中Gs (s) 为逆变器传递函数, G (s) 为并网滤波器传递函数。
3.2 变流器的数学模型
变流器的拓扑结构如图5所示。
根据变流器的拓扑结构, 以逆变状态为例可得到其电压平衡方程式:
式中, Vi为变流器侧电压;Ui为电网侧电压;i=a, b, c。为了减少变流个数, 将三相电压平衡方程经过Clark变换到两相静止坐标系αβ下, 可得到两相坐标系下的方程式:
与两相旋转坐标系不同, 两相静止坐标系不存在两相电流的耦合, 无需进行解耦控制, 使控制器设计得到简化。
3.3 并网逆变器控制器设计
逆变器采用双环控制, 即直流外环、交流内环。外环采用定直流电压控制时, 储能设备以恒定的电压充电, 蓄电池工作在充电状态;采用定直流电流控制时, 储能设备以恒定的电流放电, 蓄电池工作在放电状态。直流外环采用PI控制系统, 可以无差地跟随直流电压或电流指令, 外环PI控制器输出量为电流内环控制器的幅值参考信号, 与正弦信号sinωt相乘后作为内环瞬时电流指令。电流内环采用PR控制, 从电网侧获得的电流经过Clark变换生成两相静止坐标系下的电流量iα、iβ, 将其与参考电流比较, 结果输入到PR控制器中, 利用其对于极点增益无穷大的特点消除静态误差。变流器控制原理如图6所示。
根据系统模型可以得到变流器输出电压, 经过Clark反变换得到三相电压幅值, 根据从电网获得的相角得到调制波, 通过SPWM调制生成变流器的开关信号, 控制开关器件开通和关断。
3.4 三相不平衡时储能系统变流器的控制
配电网的负荷并非理想的三相对称负载, 其存在不平衡的状态。三相不平衡分为故障和非故障不平衡两种, 故障不平衡指在系统发生不对称故障时系统出现的不平衡, 非故障不平衡指系统中存在大容量单相负载时产生的不平衡。在系统出现不平衡时, 各电气量将不再是对称的三相电气量, 这会对控制产生很大的影响, 继续采用平衡控制策略将会在交流侧产生负序电流分量, 在直流侧产生电压和电流谐波, 引起直流电压电流畸变, 无法达到应有的控制效果, 这就需要使用对称分量法将不对称的三相电气量转换成对称的正序、负序和零序分量[5,6,7,8]。对称分量的三相电压表达式:
无中线的系统, 则不存在零序分量。使用两相旋转坐标系来表示两相静止左边系下电压量, 其中正序分量以ωt旋转, 负序分量以-ωt旋转。
在三相不平衡时, 采用PR控制, 电网电压和电流正序与负序分量的角频率分别为ω0和-ω0, 由PR控制传递函数可知, 其对于频率绝对值相同的输入量其控制效果是相同的。根据功率方程可得平均有功参考值和电网的关系:
在不平衡条件下使用PR控制原理如图7所示, 仍然以直流电压为外环, 交流电流为内环。
参考文献
[1]周林, 黄勇, 等.储能技术研究综述[J].电力系统保护与控制, 2011, 39 (7) :147-152
[2]刘建戈, 周建华.用电侧蓄电池储能装置的研究[J].电气应用, 2008, 27 (17) :65-68
[3]彭思敏, 曹云峰.大型蓄电池储能系统接入微电网方式及控制策略[J].电力系统自动化, 2011, 35 (16) :38-42
[4]杨勇, 赵春江.分布式发电系统中并网逆变器比例谐振控制[J].电力自动化设备, 2011, 31 (11) :51-55
[5]杨静, 不平衡电网下三相光伏并网逆变器控制[D].成都:电子科技大学, 2013
[6]Pedro Rodríguez.Decoupled Double Synchronous Reference Frame PLL for Power Converters Control[J].IEEE TRANSACTIONS ON POWER ELECTRONICS, 2007, 22 (2) :584-592
[7]Pascal Rioual.Regulation of a PWM Rectifier in the Unbalanced Network State Using Generalized Model[J].IEEE TRANSACTIONS ON POWER ELECTRONICS, 1996, 11 (3) :495-502
储能控制策略 篇7
关键词：风光互补,混合储能,DC/DC变换器,滤波技术,控制技术
0 引言
随着传统能源的日益匮乏和环境污染的日趋严重，绿色新能源受到了越来越多的关注。而风能与太阳能，作为两种使用较普遍的绿色新能源，具有能源充足，分布广泛，环保清洁等特点。为了弥补两种能源在季节与气候方面的缺陷，利用风光互补系统，针对两者天然的互补性和时空上的匹配性，将两者相结合，提高了系统的稳定性与实用性，提高了对于新能源的利用性[1]。微网作为风能、太阳能等分布式能源的高级结构形式，可以将分布式能源、负荷、储能进行有效的结合。它能够与大电网并网运行，又支持离网孤岛运行，可以将分布式能源的价值充分挖掘，带给社会足够效益。
储能系统作为风光互补微网必要的能量缓冲环节，不仅可以解决微网惯性小、抗干扰能力弱等弊端，还可以削弱风能、太阳能等分布式能源的间歇性对系统的影响，从而提高微网的稳定性与可调控性[2]。就常用的储能装置来看，蓄电池能量密度大，功率密度小是典型的能量型储能介质；超级电容器具有功率密度大、循环寿命长、能量密度小、响应速度快等特点，是典型的功率型储能介质[3,4,5]。可见，单一的储能装置无法同时满足功率与能量两方面的要求，故此，文献[6]根据两种储能介质特性上的互补性，提出了混合储能技术，并且在理论上对这种互补性进行了验证，证明了这种方式能够使蓄电池寿命得以延长、系统功率输出得以提高等观点。为加强对储能系统的控制，充分发挥混合储能系统的作用，文献[7]中提出了蓄电池组通过双向DC/DC变换器与直流母线相连；超级电容器直接与直流母线相连的混合储能结构，通过与微网之间的功率交换实现系统的功率平衡及稳定控制。
通过相关研究，本文提出了一种应用于风光互补微网系统的超级电容器蓄电池混合储能结构，并对于该储能单元的控制问题进行研究，提出了基于功率外环加电流内环控制的VSC控制策略以及基于滑动平均滤波器的DC/DC控制策略。并且在Matlab软件与实验平台上，构建了一个包含了该混合储能系统的模拟的风光互补微网系统，并对该混合储能系统在模拟微网中的合理性与有效性进行了验证。
1 基本结构
图1为典型的风光互补微网结构。主要组成部分为：异步风力发电单元(主要由风轮机、传动装置、异步发电机和桨距控制系统组成)、光伏单元(主要由光伏阵列、BOOST电路、LC滤波器及其控制系统组成)、储能单元(由超级电容器与蓄电池构成混合储能系统)及负荷。同时，微网在公共连接点处通过静态开关连接于配电网。光伏单元与风能单元涉及最大功率点控制问题，在本文中不予赘述，着重研究储能单元在微网系统中的控制策略。混合储能系统单元的存在增大了微网系统的惯性：当微网系统并网运行时，该单元负责吸收系统内多余的能量进行储存；在其独立运行时，该单元可以提高系统的动态响应速度与运行稳定性。
本文中混合储能系统[8,9]所采用的是双极式变流器结构，如图2所示。此双极式变流器电路由前级DC/DC变换器与后级DC/AC变换器组成。其中DC/DC变换器允许能量的双向流动，通过PWM进行控制，充电时工作于降压模式，放电时工作于升压模式；DC/AC变换器为三相电源型双向变流器VSC，并经过LCL滤波器连接负载。
图中，Lf为滤波电感，Cf为滤波电容，Rf为滤波电阻，Udc为直流母线电压，Usc为超级电容器电压，Ubat为蓄电池电压，ua、ub、uc为滤波电容三相电压，ia、ib、ic为滤波电感三相电流。
2 储能单元VSC控制
为了促使储能单元可以对吸收和释放电能迅速作出反应，VSC部分采用功率外环加电流内环控制，提高了调节过程的效率与稳定性，同时实现无差控制，其中结构如图3所示。
图3(a)中，使用瞬时功率计算模块通过测得的滤波电容三相电压ua、ub、uc与滤波电感三相电流ia、ib、ic计算出储能单元的瞬时功率，并且通过低通滤波器LPF计算出有功功率Pm、Qm。
由微网EMS(Energy Management System，即电能管理系统)对各单元进行运行控制与调度，发出指令功率Pref、Qref，与输入到功率外环控制器的Pm、Qm进行比较。由PI控制器得到dq坐标系下的参考电流idref、iqref与测量得到的电流值id、iq进行比较，并且通过对应的PI控制器实现无静差控制。从电流内环输出的信号通过dq/变换后，再通过SPWM得到逆变器的控制信号Sa、Sb、Sc。其中电流内环功率外环控制结构具体如图3(b)所示。
3 储能单元DC/DC控制
3.1 基于滑动滤波器的能量分配
系统中由EMS系统[10]发出的参考有功功率Pref可分为低频与高频两部分，结合超级电容器于蓄电池两种储能装置的特性，可以充分利用超级电容器功率密度大、响应速度快等优势，同时回避其储能容量不足的劣势，控制超级电容器承担Pref中波动频繁的部分，相应地由蓄电池承担Pref中较为平滑的部分[11]。这个决策可以减少由频繁充放电引起的小循环充放电现象，从而改善蓄电池的充放电过程，以达到延长蓄电池使用寿命，减少系统的运行成本等目的。
对于滑动滤波器来说，滑动时窗T的大小影响滑动滤波的通带宽窄，通过调节T的大小可以控制滑动滤波器的滤波效果。
因此，基于滑动平均的低通滤波器进行滤波的方式在此处应用具有一定的优势，当对其滑动时窗T进行调节时，对Pref中波动频繁部分与平滑部分的区分可以更加灵活，对超级电容器与蓄电池进行的能量分配可以更加合理。
如图4所示，利用滑动平均滤波器分配高低频功率，设储能单元所承担功率为Pref，在滤波后提供给蓄电池的功率给定值Pbat(ref)，同时可以得出超级电容器的给定功率为Psc(ref)=Pref-Pbat(ref)。通过Matlab模拟储能单元承担的总功率Pref，如图5(a)。
T=2.0与T=3.0时，蓄电池及超级电容所分配的功率如图5(b)—图5(e)所示。由此可见，T越小，滑动滤波器的通带越窄，则Pref经过滑动滤波器后所得到的Psc(ref)越大、Pbat(ref)越小，超级电容器所分配的能量越多，蓄电池所分配的能量越少。T越大，滑动滤波器的通带越宽，则Pref经过滑动滤波器后所得到的Psc(ref)越小、Pbat(ref)越大，超级电容器所分配的能量越少，蓄电池所分配的能量越多。
蓄电池放电时，当蓄电池存储能量过多，此时，通过增大T以达到增大蓄电池释放功率的目的，同时减小了超级电容器释放功率，从而使得蓄电池存储能量减少；当超级电容器与蓄电池之间存储能量均衡时，即无需调整功率大小，保持T不变；当蓄电池存储量过小时，则可以减小T从而减小蓄电池释放功率，利用超级电容器的优势来分担负荷压力。
蓄电池充电时，当蓄电池存储能量过多，可以减小T从而减小蓄电池的充电功率，同时增大超级电容器充电功率，以达到减少蓄电池存储能量的目的；当超级电容器与蓄电池之间存储能量较为均衡时，无需调整功率大小，保持T不变；当蓄电池存储量过小时，通过增大T，达到增大蓄电池充电功率的目的，同时可以减少超级电容器承担的能量。
3.2 蓄电池储能单元控制策略
为了避免高深度发电给蓄电池带来的损伤，延长蓄电池的寿命，在混合储能系统中，蓄电池主要用于承担发电系统与负载不匹配的低频能量，其与直流母线的连接结构如图2所示，蓄电池通过DC/DC变换器与直流母线相连。文献[12]中，根据DC/DC变换器工作原理提出一种以电流参考值为Ibat(ref)为控制量的控制策略，该策略具有算法实现简单，易于控制等的优点。根据上述研究，本文提出以电感电流为控制变量的变换器控制策略，如图6所示。
其中，通过计算参考功率Pbat(ref)与实际测量电压Ubat所得计算电流，即电感电流参考值Ibat(ref)。该电流可以通过滑模变结构控制器对变换器的开关信号进行控制，从而达到控制变化器的目的。由于滑模变结构控制器本身即为一种开关型控制方法，所以对于控制变换器的开关信号来说是较为理想。根据滑模变结构的工作原理，在此储能单元控制中，可以选取实际电感电流Ibat为被控量，建立下切换函数S=Sbat-Ibat(ref)(取u=sign(S)为约束条件)。
其意义为，实际电感电流与电感电流参考值的差值经由sign函数判断得到控制量u，从而控制变换器开关管的通断。
3.3 超级电容器储能单元控制策略
为了弥补单一蓄电池储能的不足，延长蓄电池寿命，提高系统的稳定性，充分利用超级电容器在混合储能系统中发挥的作用，根据其自身特性，使其承担发电系统与耗能系统之间的不匹配的高频能量，由图2可知超级电容器与蓄电池一样通过DC/DC变换器与直流母线相连，其变换器控制策略如图7所示。
通过参考功率Psc(ref)与实际电压Usc得到计算电流，即电流参考值Isc(ref)，并且将其与实际电流Isc的差值经PID控制器后，与特定值的重复序列(图为三角波)进行比较运算，从而得到开关量，对开关管进行驱动，达到控制变换器通断的目的。
4 仿真与分析
利用Matlab/simulink建立相关控制策略模型，对本文提出的混合储能系统进行仿真验证。如图8(a)所示的波形是通过仿真平台模拟的风光互补发电波形，而负载则是为了实验简化而模拟的一个阶跃负载波形。
(1)在无波动的阶跃负载下，蓄电池承担的功率分析。图8(a)的风光发电系统的输出波形是由仿真软件所模拟的，由于实验条件限制，并没有采用实际数据，只是为了实验效果而模拟的，代表风光发电系统输出功率。
图8(b)为仿真平台模拟的阶跃负载功率波形，此时它较为平稳，没有波动。图8(c)表示，在阶跃负载无波动的情况下，只有蓄电池参与时，蓄电池承担的功率波形。
(2)在有波动的阶跃负载下，蓄电池承担的功率分析。图9(a)表示的是，含有较为剧烈的波动的阶跃负载功率波形。当阶跃负载发生频繁波动时，在没有超级电容器加入的情况下，蓄电池所需承担的功率波形如图9(b)，可见波形波动频繁，这对于蓄电池的维护是一种较为不利的情况，而且由于蓄电池等效内阻较大，端电压无法如此频繁起落，难以实现如此快速的输出功率改变。
(3)下面展示的则是有波动的阶跃负载下，超级电容器加入时，两者承担波形的变化。图10(a)、图10(b)是在滑动时窗常数T=1.0的情况下，蓄电池与超级电容器的各自波形，对比图9(b)可知超级电容器加入后，承担了阶跃负载波动频繁的部分，使得蓄电池分配的功率较为平滑。
通过Matlab模拟可以得到，阶跃负载波动频繁时，混合储能结构的优势与合理性得以体现，它可以较好地调和系统产生的能量与负荷消耗的能量不匹配所产生的的矛盾，弥补了系统中供电与耗电部分时间上的差异，即可以节约电能，又可以提高系统的稳定性。
因此在超级电容器加入后，蓄电池的曲线波动变小，较为平滑，而超级电容器的曲线则波动较大，说明超级电容器的高功率密度的特性使其能够对所承担功率的波动较大部分迅速做出反应，因此有效减少了蓄电池的充放电次数，延长了蓄电池的使用寿命。由此可见，采用以滑动平均滤波器为基础构建的混合储能系统各单元的控制结构是有效可行的。
5 结论
本文分析了微网的基本结构及储能系统于其中的作用和两种储能装置的优缺点，由此构建了由模拟的配电网系统、储能系统、风光互补发电系统及负荷构成的模拟微网系统，并提出了一种由超级电容器与蓄电池构成的混合储能系统在其中的应用。通过Matlab软件仿真并验证了模拟微网系统中的混合储能结构控制策略的合理性。最终，经过研究与仿真证明，结合了蓄电池及超级电容器两种储能技术的优势的混合储能单元于微网中的应用，可以很好地提高微网的可靠性，缓解了电量供需的不平衡情况，提高了电能质量与系统的稳定性和灵活性。同时由于超级电容器的加入分担了波动频繁部分的电量，减少了蓄电池充放电循环次数，延长了蓄电池的寿命，从而提高了系统的经济性。
参考文献
[1]计长安,张秀彬,赵兴勇,等.基于模糊控制的风光互补能源系统[J].电工技术学报,2008,22(10):178-184.JI Changan,ZHANG Xiubin,ZHAO Xingyong,et al.Complementary wind-solar power system based on fuzzy control[J].Transactions of China Electrotechnical Society,2008,22(10):178-184.
[2]周林,黄勇,郭珂,等.微电网储能技术研究综述[J].电力系统保护与控制,2011,39(7):147-152.ZHOU Lin,HUANG Yong,GUO Ke,et al.A survey of energy storage technology for micro grid[J].Power System Protection and Control,2011,39(7):147-152.
[3]GAO L,DOUGAL R A,LIU S.Power enhancement of an actively controlled battery/ultra capacitor hybrid[J].IEEE Transactions on Power Electronics,2005,20(1):236-243.
[4]DOUGAL R A,LIU S,WHITE R E.Power and life extension of battery-ultra capacitor hybrids[J].IEEE Transactions on Components and Packaging Technologies,2002,25(1):120-131.
[5]CHAN C C.The state of the art of electric and hybrid vehicles[J].Proceedings of the IEEE,2002,90(2):247-275.
[6]唐西胜,武鑫,齐智平.超级电容器蓄电池混合储能独立光伏系统研究[J].太阳能学报,2007,28(2):178-183.TANG Xisheng,WU Xin,QI Zhiping.Study on a stand-alone PV system with battery-ultra capacitor hybrid energy storage system[J].Acta Energiae Solaris Sinica,2007,28(2):178-183.
[7]张国驹,唐西胜,齐智平.超级电容器与蓄电池混合储能系统在微网中的应用[J].电力系统自动化,2010,34(12):85-89.ZHANG Guoju,TANG Xisheng,QI Zhiping.Application of hybrid energy storage system of super-capacitors and batteries in a micro-grid[J].Automation of Electric Power Systems,2010,34(12):85-89.
[8]张国驹,唐西胜,齐智平.平抑间歇式电源功率波动的混合储能系统设计[J].电力系统自动化,2011,35(20):24-28.ZHANG Guoju,TANG Xisheng,QI Zhiping.Design of a hybrid energy storage system on leveling off fluctuating power outputs of intermittent sources[J].Automation of Electric Power Systems,2011,35(20):24-28.
[9]于芃,周玮,孙辉,等.用于风电功率平抑的混合储能系统及其控制系统设计[J].中国电机工程学报,2011,31(17):127-133.YU Peng,ZHOU Wei,SUN Hui,et al.Hybrid energy storage system and control system design for wind power balancing[J].Proceedings of the CSEE,2011,31(17):127-133.
[10]刘世林,文劲宇,孙海顺,等.风电并网中的储能技术研究进展[J].电力系统保护与控制,2013,41(23):145-153.LIU Shilin,WEN Jinyu,SUN Haishun,et al.Progress on applications of energy storage technology in wind power integrated to the grid[J].Power System Protection and Control,2013,41(23):145-153.
[11]杨珺,张建成,周阳,等.针对独立风光发电中混合储能容量优化配置研究[J].电力系统保护与控制,2013,41(4):38-44.YANG Jun,ZHANG Jiancheng,ZHOU Yang,et al.Research on capacity optimization of hybrid energy storage system in stand-alone wind/PV power generation system[J].Power System Protection and Control,2013,41(4):38-44.
储能控制策略 篇8
随着风电的大规模开发利用,风功率的间歇性和波动特性对电网的冲击也日益显著,这将使风电的入网受到限制,而利用储能系统配合风电运行、平滑风功率的波动,是一种切实有效的解决方案。
电池储能系统有快速动态吸收和释放能量的特点,在风电场中合理配置储能设备可有效弥补风电波动,改善风电输出功率的可控性、电能质量等[1,2]。 国内外在储能平滑风电波动方面已开展了较多研究, 通常认为需要用储能平滑的风电输出功率随风速波动的频率范围主要为中频区,即处于0.01~1 Hz[3],高频区的波动可以被风力机的惯量吸收,而低频区功率变化较缓慢,可以由与其相连电网中的同步发电机补偿。 平抑风功率波动最常用的方法是采用一阶低通滤波原理[4,5,6,7,8,9,10,11]。 研究表明,随滤波时间常数增大, 平滑后的风电功率变化率会明显减小,但同时所需的储能容量增大,成本增高。 因而要按平滑指标[12]来确定时间常数和储能容量[6]。 此外,由于储能电池过度充放电均会降低其使用寿命进而增大系统运维成本,因此运行中一般需要将储能电池的荷电量 (SOC)控制在[20 %,80 %]之间。 文献[7,9,11]提出依据储能SOC所处区间改变滤波常数以兼顾功率波动平滑和SOC控制的滤波算法,并优化了储能的配置容量。 但此方法当SOC超出限值时不能较快回到设定区间,储能电池因充放电限制而不能按照给定的平滑指标工作。 文献[10,13]提出了基于小波分析理论的功率平滑控制策略,并引入了模型预测控制MPC(Model Predictive Control)以提高滤波效果 , 但未考虑储能电池的使用寿命。 文献[14]采用实时5点滚动法制定多时间尺度风电波动平滑指标,同时引入补偿度修正储能容量,并基于模糊控制原理优化SOC,实现了对风电波动的分时跟踪平抑;文献 [15]对电池SOC进行分级优化 ,根据平滑要求和总体SOC状态计算混合储能系统总功率并根据各设备特性进行功率的协调分配;文献[16]基于MPC,以储能出力最小为目标采用约束软化和能量反馈控制避免过度充放电。 然而,上述文献的SOC控制本质上只进行了边界控制,当风功率波动持续增大或减小导致SOC达到边界时就要停止充电或放电,导致风功率平滑的效果下降。
本文基于低通滤波原理,提出了一种在满足风电并网功率波动指标[12]前提下,可保证SOC在风功率单向持续变化下不超出波动范围的协调控制策略。 动态仿真表明该策略可实现在保证平滑指标的前提下保持电池SOC在一定范围内,有助于延长储能寿命并减小配置容量。 该控制策略形式简洁,计算量小,参数调节方便,因而具有较强的可行性和工程实用性,可用于大型风电场接入储能的相关示范工程中。
1 风 - 储协调控制滤波算法原理
若将风电出力的中频段功率看作是数字信号中需要消除的高频噪声信号,则可用低通滤波的方法滤除风电出力中高频功率。 在滤波过程中,储能系统相当于一个离散低通滤波器,通过蓄电池充、放电, 平滑调整风-储系统的输出总功率,减小风功率的波动,平滑风功率的输出,从而提高并网风电接入率。
图1是风电场配置储能系统的结构示意图。 现以双馈风力发电机为例,储能系统采用锂蓄电池组。 Pw是风电场输出的原始风功率;Pg是经过储能系统平滑后的并网功率;Pb是储能系统发出的功率,Pb为正时电池放电,Pb为负时电池充电。 功率关系为:
按照一阶低通滤波原理:
其中,τ为滤波时间常数, f=1 / (2πτ)为低通滤波器的截止频率,τ 越大,截止频率越小,滤波带宽越窄, 平滑效果越好;y′为y的一阶微分,y为平滑后输出信号;x为滤波函数的输入信号。 对离散数字信号进行低通滤波处理时,令信号采样周期为 Δt,则y′为 [y(n)- y(n -1)] / Δt,式(2)可表示为:
其中,n表示第n个采样点。 可解得:
对风功率进行平滑时,代入Pw和Pg有:
此时并网功率即为滤波去除较高频后的功率。 储能系统发出的功率Pb(n)为:
风-储协调控制器根据获得的风电功率,算出储能有功功率指令,发送给储能控制器控制电池充放电。 风、储及协调控制器之间的信号连接关系见图2。
2 储能系统 SOC 水平协调控制方法原理
为延长储能系统使用寿命,应限制电池的充放电深度,即在储能运行的时段内,应尽可能让SOC变化区间在[20 %,80 %]之内。 常规SOC控制是SOC达到设定阈值后,为了不让其越限,控制电池停止相应的充 / 放电操作。 因而为了保证平滑任务的进行就需要配置更多的储能容量。 SOC水平协调控制方法是指以保证规定时间内的风功率变化量不越界为控制目标,通过电池充 / 放电控制,保证SOC在一定范围内。 其可以在较小的电池容量需要下,兼顾风功率波动平滑的要求和保持储能系统SOC的水平。
根据风功率波动量的要求,有:
其中,n和n-1分别表示第n个和上一个采样点;采样间隔 Δt文中设为1 s;K为规定的风功率变化量最大值,其值参照文献[12]推荐的风电场1 min内有功功率变化最大限值计算得到。 本文仿真所采用的风电场额定容量为60 MW,根据规定,要求1 min有功功率变化量(任意2个间隔在1 min以内的采样点功率差值)小于6 MW,则这里认为对应到每1 s, 有K=0.1 MW / s,利用式(7)对全部采样点进行判别, 则可以保证在任意的1 min区间内有功功率变化量符合要求。 极限情况下,式(7)取等号,结合式(1)有:
按式(8)给出储能有功指令可保证系统在给定时间尺度上的有功变化量满足要求。 由式(8)可见, KΔ t项前的符号表示是充电还是放电,调节K的大小可改变充放电速度,因此当SOC超过上限时该符号取“+”,反之当SOC处于下限时取“-”。 由于Pw实际上是实时变化的,故当储能系统需放电时,须保证Pb随n递增,反之充电时随n递减,故有约束关系式(9):
由此得到的并网功率还需满足式(7)约束,所以当Pg(n) - Pg(n -1) > KΔt时仍要按式(8)确定Pb。
由上述可知,SOC水平协调控制算法通过充放电切换控制,在并网功率变化量符合规定的前提下通过引入一定的小幅波动获得了更大的SOC调节空间。
3 控制算法的切换
当风功率波动较大时,风-储协调应以平滑风功率为主,因此系统控制策略要在适当的条件下,在低通滤波算法和SOC水平协调控制算法间合理切换。
可以看出,切换算法的合理时机实际上取决于风功率的波动情况,在风功率波动不大的情况下,系统可以进行SOC水平控制,当风功率波动较大的情况下,系统应该进行滤波算法的风功率平抑工作。
在本文的研究中,判定风功率波动越限的极值定为式(7)中的K值。 当风功率的波动小于K值时,表示系统有调节SOC的空间;而当检测到风功率波动大于K值时,表示必须要对风功率进行平抑。 风功率波动量的计算如下:
也可以表示为:
式(10)和式(11)的区别是用于越限判别的时间尺度不同,在一定功率变化值下,式(11)中判别步长l值越大,计算的Kw值越小,那么系统执行时将更多地切向SOC水平控制,而任意时刻与前后秒的并网功率差值就越难保证一定满足式(7)约束。 风电入网标准中考核的风电波动时间段为1 min内和10 min内,故在秒级采样数据中,l最大不可超过60。
由于风-储协调控制的首要目的是保证并网功率变化量符合规定,因此在SOC处于正常变化区间时,应遵从一阶低通滤波算法。 由于要保证SOC在 [20 %,80 %]区间内波动 ,考虑到风功率的波动性 , 若过于接近限值,可能出现因优先平抑风电波动而造成SOC越限,故应留有裕量地设置控制阈值,一旦采样到SOC越过阈值,若检测出风电波动符合规定,则切换至水平协调控制以便为以后的风功率平滑保留SOC变动空间。 考虑到应将SOC尽量保持在中值 , 控制阈值设为40% 和60%。
第n个采样点的含SOC控制的风-储协调控制策略算法流程如图3所示。
4 仿真验证
本文中利用MATLAB / Simulink实现带SOC水平控制的风-储协调控制仿真验证,仿真系统的参数如下:风电场侧参数,风电场额定输出功率60 MW; 储能侧参数,初始SOC 50 %,额定容量6 MW·h;协调算法参数,滤波常数10 s,风功率变化量限值6 MW / min,控制阈值40%、60%;仿真时间600 s。
图4为实际风电场的输出功率,其1min变化量分布图(任意1 min区间内风功率最大变化量)见图5,图中百分比指相应点数占总数的比例,后同。 可见该段功率1 min变化量大于所要求的6 MW / min的点数占总数的30% 左右,需要对风功率进行平滑。
对不含SOC水平控制的一阶低通滤波算法仿真,平滑前后的电网输出功率如图6所示。 平滑后并网功率1 min变化量分布图如图7所示,可见经一阶低通滤波后输出的并网功率1 min变化量已经全部小于6 MW / min,符合规定中的要求。
但从图8可以看出SOC最低已经小于20%,属于过度放电,对储能电池损耗很大。 按照一般储能系统的要求,SOC小于20% 后不再输出功率,这里为示意取消了该限制才获得上述的平滑效果。
在同样风功率情况下,采用SOC水平协调控制的控制策略进行仿真,结果如图9和图10所示,2种控制策略下的SOC变化情况如图11所示。
由图11可以看出,储能SOC在超出控制阈值后由于切入了SOC水平协调控制而尽可能减缓了变化趋势,通过调节储能功率较快返回到理想运行区间 [40 %,60 %]内。 由图10看出,此时约99 %的1 min有功变化量是符合并网规定中的要求的,小于限制值的小波动有所增加,这即是将大波动调换成小波动的现象,也是该算法能够兼顾平滑风功率和控制SOC在规定水平内的原因。 对于极少数不合格采样点,考虑到其有功变化量均小于7 MW,与规定限值较为接近,可以认为对风电并网影响很小。
需要注意的是,上述采用的控制算法中,式(11) 中的系数l取为20,即用于有功变化量越限判别计算的时间尺度选为20 s。 根据上文所述,l取值越大,则切向SOC水平控制的次数就越多,但这不一定意味着整体控制的效果就越好,在本文的仿真条件下,对全部的l[1,60]进行考察,以全仿真时段的SOC变化范围作为评价标准,当满足SOC[20%,80%]时, 令其变化范围较小的l具有更好的控制效果。
不同l取值下的SOC变化范围见图12。 当l=1时,虽然SOC变化范围小,但下限小于20%,故不符合要求。 从整体变化趋势看,若除去风功率变化带来的偶然性影响,l在中部区间(20,30)控制效果较好。这可能是由于必须满足波动量判别式
才能启动SOC控制,其认为若1 min功率变化量小于6 MW,则必须满足每秒变化量小于0.1 MW,但前者只是后者的必要条件,l的增大即是逐渐放宽对前后两采样时刻功率变化量的限制,过小的l减少了SOC控制次数,降低了调节能力,而过大的l造成功率波动较大,启动SOC控制时已不是调节SOC的较佳时机,反而造成SOC变化范围变大,因此位于取值区间中部的l具有较好的调节效果。
5 储能系统样机实测
对上海崇明岛某风-储示范工程中接入的电池储能系统进行所提控制策略的现场实测,储能并网系统架构和电池成组方案如图13和14所示。
储能系统由4组500 k W磷酸铁锂电池组、电池管理系 统BMS(Battery Management System)、后台监控系统、通信控制器以及两级变换型变流器PCS (Power Convert System)组成。
两级变换型PCS基于工频隔离+AC / DC+多路DC / DC的结构控制储能电池充放电 ,并通过交直流转换完成系统并网;BMS实时监控电池组运行信息, 如端电压、电流、SOC等;通信控制器负责PCS、BMS、 监控系统间的通信,确保功率指令能正常下放至PCS; 监控系统兼顾实时数据监测、采集、处理、运算及波形显示等,涵盖了储能控制器的功能。 基于实测的风电场输出功率数据,对储能系统着重进行了平抑风功率波动的功能测试,测试时间为22:05—22:50,演示截图如图15和16所示。
由此可见控制策略确实可以起到平抑风功率波动的效果,但由于现场BMS通信和数据连接问题,未能显示出SOC运行曲线,后期将结合电池状态对综合控制效果进行评估。
6 结论
本文提出了基于一阶低通滤波的带SOC水平协调控制的风功率波动平抑控制策略,在进行风功率变化量和SOC越限判别的基础上通过策略切换,兼顾了维持SOC水平和平滑风功率波动的目标。 基于MATLAB / Simulink平台,与传统平滑策略进行了对比分析,得出如下结论:
a. 通过将风功率中的大幅波动有条件地置换为小幅波动,所提策略实现了兼顾SOC控制和平抑风功率波动的功能,有助于延长设备寿命并减少其需求容量;
b. 调节用于计算风功率波动量的判别时间尺度 (l值),可以改变总体控制的效果 ,并发现取值适中的l具有更好的调节能力。
最后在风-储示范工程的储能系 统样机上 进行了控制策略的实测模拟,验证了策略的可行性和有效性。
摘要：风电功率波动率是风电并网考核的重要内容之一,采用蓄电池储能装置是平滑风能波动最常用的方案。为提高储能设备的使用寿命,提出一种蓄电池充放电控制策略,在最小容量配置下能保持蓄电池荷电量(SOC)水平,同时实现对风电功率的滤波。MATLAB仿真结果表明所提控制策略可以在满足风功率波动指标的基础上取得良好的SOC控制效果,且实际并网储能系统的模拟测试验证了该策略的可行性和有效性。